
R语言使用密度聚类笔法处理数据
说明
除了使用距离作为聚类指标,还可以使用密度指标来对数据进行聚类处理,将分布稠密的样本与分布稀疏的样本分离开。DBSCAN是最著名的密度聚类算法。
操作
将使用mlbench包提供的仿真数据
library(mlbench)
library(fpc)
使用mlbench库绘制Cassini问题图:
set.seed(2)
p = mlbench.cassini(500)
plot(p$x)
根据数据密度完成聚类:
ds = dbscan(dist(p$x),0.2,2,countmode = NULL,method = "dist")
> ds
dbscan Pts=500 MinPts=2 eps=0.2
1 2 3
seed 200 200 100
total 200 200 100
绘制聚类结果散点图,属于不同簇的数据点选用不的颜色:
plot(ds,p$x)
根据聚簇标号绘制的彩色散点图
调用dbscan来预测数据点可能被划分到那个簇,在样例中,首先在矩阵P中处理三个输入值:
生成y矩阵
y = matrix(0,nrow = 3,ncol = 2)
y[1,] = c(0,0)
y[2,] = c(0,-1.5)
y[3,] = c(1,1)
y
[,1] [,2]
[1,] 0 0.0
[2,] 0 -1.5
[3,] 1 1.0
预测数据点属于那个簇:
predict(ds,p$x,y)
[1] 3 1 2
原理
基于密度的聚类算法利用了密度可达以及密度相连的特点,因而适用于处理非线性聚类问题。当探讨密度聚类算法的处理过程前,我们要知道基于密度的聚类算法通常需要考虑两个参数,eps和MinPts,其中eps为最大领域半径,MinPts是领域半径范围内的最小点数。
确定好这两个参数后,如果给定对象其领域范围内的样本点个数大于MinPts,则称该对象为核心点。
如果一个对象其领域半径范围内的样本点个数小于MinPts,但紧挨着核心点,则称该对象为边缘点。
如果P对象的eps领域范围内样本点个数大于MinPts,则称该对象为核心对象。
进一步,我们还要定义两点间密度可达的概念,给定两点p和q,如果p为核心对象,且q在p的eps邻域内,则称p直接密度可以达q。如果存在一系列的点,p1,p2,…,pn。且p1 = q,pn = p,根据Eps和MinPts的值,当1<=i<=n,pi + 1 直接密度可以达pi,则称p的一般密度可以达q。
DBSCAN处理过程:
1.随机选择一个点p
2.给定Eps和MinPts的条件下,获得所有p密度可达的点
3.如果p是核心对象,则p和所有p密度可达的点被标记成一个簇,如果p是一个边缘点,找不到密度可达点,则将其标记为噪声。接着处理其它点。
4.重复这个过程,直到所有的点被处理。
本例使用dbscan算法聚类Cassini数据集,将可达距离设置为0.2,最小可达点个数设置为2,计算进度设为NULL,使用距离矩阵做为计算依据。经过算法处理,数据被划分成三个簇,每个簇的大小分别为200,200,100.通过聚簇的结果示意图也可以发现Cassini图被不同颜色区分开来。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
剖析 CDA 数据分析师考试题型:解锁高效备考与答题策略 CDA(Certified Data Analyst)数据分析师考试作为衡量数据专业能力的 ...
2025-07-04SQL Server 字符串截取转日期:解锁数据处理的关键技能 在数据处理与分析工作中,数据格式的规范性是保证后续分析准确性的基础 ...
2025-07-04CDA 数据分析师视角:从数据迷雾中探寻商业真相 在数字化浪潮席卷全球的今天,数据已成为企业决策的核心驱动力,CDA(Certifie ...
2025-07-04CDA 数据分析师:开启数据职业发展新征程 在数据成为核心生产要素的今天,数据分析师的职业价值愈发凸显。CDA(Certified D ...
2025-07-03从招聘要求看数据分析师的能力素养与职业发展 在数字化浪潮席卷全球的当下,数据已成为企业的核心资产,数据分析师岗位也随 ...
2025-07-03Power BI 中如何控制过滤器选择项目数并在超限时报错 引言 在使用 Power BI 进行数据可视化和分析的过程中,对过滤器的有 ...
2025-07-03把握 CDA 考试时间,开启数据分析职业之路 在数字化转型的时代浪潮下,数据已成为企业决策的核心驱动力。CDA(Certified Da ...
2025-07-02CDA 证书:银行招聘中的 “黄金通行证” 在金融科技飞速发展的当下,银行正加速向数字化、智能化转型,海量数据成为银行精准 ...
2025-07-02探索最优回归方程:数据背后的精准预测密码 在数据分析和统计学的广阔领域中,回归分析是揭示变量之间关系的重要工具,而回 ...
2025-07-02CDA 数据分析师报考条件全解析:开启数据洞察之旅 在当今数字化浪潮席卷全球的时代,数据已成为企业乃至整个社会发展的核心驱 ...
2025-07-01深入解析 SQL 中 CASE 语句条件的执行顺序 在 SQL 编程领域,CASE语句是实现条件逻辑判断、数据转换与分类的重要工 ...
2025-07-01SPSS 中计算三个变量交集的详细指南 在数据分析领域,挖掘变量之间的潜在关系是获取有价值信息的关键步骤。当我们需要探究 ...
2025-07-01CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-30探秘卷积层:为何一个卷积层需要两个卷积核 在深度学习的世界里,卷积神经网络(CNN)凭借其强大的特征提取能力 ...
2025-06-30探索 CDA 数据分析师在线课程:开启数据洞察之旅 在数字化浪潮席卷全球的当下,数据已成为企业决策、创新与发展的核心驱 ...
2025-06-303D VLA新范式!CVPR冠军方案BridgeVLA,真机性能提升32% 编辑:LRST 【新智元导读】中科院自动化所提出BridgeVLA模型,通过将 ...
2025-06-30LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26